In Breve
- Qual è l'impatto dell'AI sulle frodi finanziarie?
- L'AI ha reso le frodi più sofisticate, consentendo la creazione di identità sintetiche e deepfake.
- Cosa devono fare le istituzioni per contrastare le frodi?
- Devono investire in soluzioni avanzate e formare personale con competenze specifiche.
- Quali sono i rischi associati all'uso dell'AI?
- L'AI può essere sfruttata dai criminali per attacchi diretti e per eludere i controlli di sicurezza.
Nel Regno Unito, le perdite per frodi finanziarie hanno raggiunto la cifra record di 1,3 miliardi di sterline, un dato che evidenzia la crescente complessità e diffusione di questo fenomeno. L’uso sempre più pervasivo di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), ha fornito strumenti potenti alle reti criminali, trasformando il modo in cui vengono perpetrati i crimini finanziari.
I gruppi di frode stanno diventando sempre più rapidi e sofisticati. Tecnologie come la generative AI permettono di industrializzare l’ingegneria sociale, creando identità sintetiche in grado di superare i controlli Know Your Customer (KYC) e costruendo storie creditizie credibili. Queste identità possono restare operative per mesi, rendendo difficile la loro individuazione fino al momento in cui viene eseguita la frode. Inoltre, l’uso di deepfake per frodi di autorizzazione consente di generare voci e video così realistici da indurre le vittime a autorizzare transazioni o a fornire credenziali sensibili.
Le tecnologie di frode non vengono più affrontate solo dai sistemi di sicurezza delle banche, ma attaccano direttamente i clienti, manipolandoli attraverso chiamate convincenti e impersonificazioni realistiche. Queste campagne di social engineering erodono la fiducia e lo scetticismo protettivo, rendendo più difficile la rilevazione delle frodi. Di conseguenza, gli attacchi ai sistemi bancari si presentano con caratteri tecnici di legittimità, complicando ulteriormente la loro identificazione. Inoltre, l’AI potrebbe essere utilizzata per attacchi diretti alle infrastrutture istituzionali, con criminali che mappano i controlli e si mantengono al di fuori dei confini di rilevamento.
Tradizionalmente, i team di prevenzione delle frodi nelle istituzioni finanziarie si concentrano sulla gestione degli incidenti, ossia rilevare, rispondere e chiudere i casi. Tuttavia, approcci più efficaci dovrebbero considerare la rilevazione come una funzione di ricerca attiva, alla ricerca di spostamenti comportamentali che possano indicare test o sondaggio degli asset. È fondamentale avere personale con competenze avanzate, in grado di analizzare i sistemi piuttosto che limitarsi a operarli. Queste competenze includono ragionamento statistico, pensiero avversariale, progettazione dei sistemi e analisi dei feedback.
Non tutte le organizzazioni dispongono delle competenze necessarie per affrontare questa sfida. Sebbene l’assunzione di nuovi esperti possa sembrare una soluzione, l’avanzamento degli strumenti di AI rende disponibili soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. È quindi consigliabile investire in fornitori esterni che possano fornire questi strumenti in modo accessibile e spiegabile, combinando analisi statistica e capacità di ragionamento.
Tuttavia, l’implementazione di nuove tecnologie deve essere progettata con attenzione per non alimentare ulteriori rischi. Ogni modello ha ipotesi incorporate che i criminali tenteranno di sondare sistematicamente. Pertanto, i sistemi devono essere considerati come superfici di attacco fin dalla fase di progettazione e sottoposti a test interni prima della produzione. Le difese basate su AI devono operare in millisecondi per individuare il rischio senza compromettere l’esperienza del cliente, valutando ogni transazione in tempo reale attraverso centinaia di segnali confrontati con pattern storici per identificare anomalie.
